Datenanalyse
Millionen Datenpunkte. Klare Entscheidungen
Der erste Schritt bestand darin, Zugang zu den Daten zu erhalten. Als Nächstes geht es darum, sie zu verstehen.*
Die Reise zur digitalen Transformation endet nicht mit dem Zugriff auf Daten. Wir wissen, dass die Anbindung älterer Transformatoren nur der Anfang ist – die wahre Innovation liegt darin, unsere Daten für die Lösung realer Herausforderungen einzusetzen und so eine intelligentere und nachhaltigere Zukunft zu gestalten. Um Ihnen den Einstieg zu erleichtern, haben wir einige dieser Innovationen als sofort einsatzbereite Anwendungen gebündelt.
Netzfrequenz
Lokale, nicht-invasive Messung der Netzfrequenz – für einen effizienten Überblick über Ihr Stromnetz.
Oberschwingungen
Oberschwingungen treten als Bestandteil der Netzlast auf und wirken sich negativ auf die Lebensdauer von Betriebsmitteln aus.
Lastprofil
Das Verständnis von Spitzenlasten ist entscheidend für die Stabilität des Stromnetzes. Behalten Sie den Überblick, um zu erkennen, wie Verbrauchsmuster die Leistung Ihrer Transformatoren beeinflussen.
Frühzeitige Fehlererkennung
Kontinuierliche Überwachung von Kern, Wicklungen und Struktur des Transformators – damit Sie stets einen Schritt voraus sind und genau wissen, welche Komponenten Ihre Aufmerksamkeit erfordern.
Transformator-Kapazität (Dynamic Thermal Rating)
In Anbetracht zunehmender Netzüberlastungen werden Transformatoren häufig nicht vollständig ausgenutzt. Mithilfe unserer erweiterten IEEE-/IEC-Modelle lässt sich die verfügbare Kapazität eines Transformators zu jedem Zeitpunkt präzise bestimmen.
Überlastprognose
Vorausschauende Analysen für fundierte Entscheidungen.
Netzweite Transparenz
Ihr Netz, transparent durch Transformatoren
Heute gibt es einen blinden Fleck in Niederspannungsnetzen. Lastprofile, verteilte Netzfrequenzen und die thermischen Bedingungen von Transformatorstationen sind nur schwer zugänglich.
Wir haben Algorithmen entwickelt, die Lastprofile erfassen, Netzoberwellen analysieren und die Netzfreqenz berechnen. Alles basierend auf Daten, die über Transformatoren gewonnen werden.
Die Kombination unserer synchronisierten Messpunkte im gesamten Netz schafft eine beispiellose Datenbasis, um die Netzreaktionen auf steigenden Stromverbrauch zu analysieren.
Dynamic Thermal Rating
Kapazitäts- und Überlastprognosen für jeden Transformator
Mit der zunhehmenden Elektrifizierung aller Lebensbereiche geht die Zeit überdimensionierter Netze zu Ende. Unsere Stromnetze werden immer stärker ausgelastet. Und das zu einer Zeit, in der Transformatoren teurer werden und längere Lieferzeiten haben.
Die Lösung: Wir müssen die bestehenden Transformatoren optimal nutzen - und dafür Ihre Kapazitätsgrenzen genau kennen.
Oktogrid™ hat dafür ein thermisches Modell entwickelt, das die sichere Transformator-Kapazität vorhersagt. Das Modell basiert auf den IEC-Richtlinien zur Transformatorbelastung und wird durch Machine-Learning-Optimierungen an den jeweiligen Transformator angepasst.
Lebensdauerverlust
Überwachung der Lebensdauer von Transformatoren
Die Kapazitätsgrenzen eines Transformators hängen stark von Umgebungsfaktoren ab, wie etwa Temperatur, Wind, Sonneneinstrahlung und – bei Kiosk-Transformatoren – den thermischen Bedingungen innerhalb der Gehäuse.
Die Kontrolle darüber, wie sich diese Faktoren auf den Lebensdauerverlust auswirken, erfordert ein gutes Verständnis der Transformatorkapazität und die Kenntnis darüber, wann Überlastungen auftreten.
Basierend auf unseren thermischen Modellen hat Oktogrid eine Methode zur Verfolgung des Verlusts an Lebensdauer von Transformatoren entwickelt. Durch die Kombination dieser Daten mit Lastprofilen, externen Faktoren und Wartungsfrequenzen kann die natürliche Lebensdauer des Transformators verfolgt und Abweichungen frühzeitig erkannt werden.
Früherkennung von Wicklungsfehlern
Da Hochspannungstransformatoren altern, wird es immer schwieriger, eine reaktive oder zeitbasierte Wartungsstrategie zu verfolgen. Da ein erheblicher Teil der Anlagenflotten dem Ende ihrer Lebensdauer entgegengeht, wird auch der Einsatz von Ölanalysen oder elektrischen Prüfungen als Vorsorgemaßnahme immer aufwändiger.
Es besteht daher die Notwendigkeit besserer Strategien, um die zentrale Frage zu beantworten, wann erweiterte Leistungsanalysen und Diagnosen durchgeführt werden sollten.
Oktogrid™ hat ein Machine-Learning-Verfahren entwickelt, das eine sehr frühe Erkennung von Isolations- und Strukturfehlern in Transformatorwicklungen ermöglicht.